深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 2677 篇文献，本页显示第 1041 - 1060 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 2025-02-21 |
Pressure Prediction on Mechanical Ventilation Control Using Bidirectional Long-Short Term Memory Neural Networks
2023, Advances in experimental medicine and biology
DOI:10.1007/978-3-031-31982-2_3
PMID:37486476
|
研究论文 | 本文开发了一种使用人工神经网络的模型，旨在使呼吸机更加智能和个性化，以满足每位患者的需求 | 使用双向长短期记忆神经网络（BiLSTM）预测机械通气中的压力，以提高呼吸机的智能化和个性化 | 模型训练使用的是人工数据，可能无法完全反映真实临床环境中的复杂性 | 提高机械通气系统的智能化和个性化，以更好地满足患者需求 | 机械通气系统中的压力预测 | 机器学习 | NA | 人工神经网络 | 双向长短期记忆神经网络（BiLSTM） | 人工数据 | NA | NA | NA | NA | NA |
| 1042 | 2025-02-21 |
An improved long short term memory network for intrusion detection
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0284795
PMID:37527249
|
研究论文 | 本文提出了一种改进的长短期记忆网络（ILSTM）算法，用于提高入侵检测系统的准确性和精度 | 提出了一种结合混沌蝴蝶优化算法（CBOA）和粒子群优化（PSO）的改进LSTM算法，以提高LSTM的准确性 | 需要高迭代次数以实现高性能 | 提高入侵检测系统的准确性和精度 | 网络流量数据 | 机器学习 | NA | 混沌蝴蝶优化算法（CBOA）和粒子群优化（PSO） | LSTM | 网络流量数据 | 两个公共数据集（NSL-KDD数据集和LITNET-2020） | NA | NA | NA | NA |
| 1043 | 2025-02-20 |
Author Correction: Deep learning enables fast, gentle STED microscopy
2023-Aug-10, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-023-05222-1
PMID:37563357
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1044 | 2025-10-07 |
Deep learning enables fast, gentle STED microscopy
2023-06-27, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-023-05054-z
PMID:37369761
|
研究论文 | 本研究利用深度学习技术提升STED显微镜成像效率，通过降低像素驻留时间减轻光漂白和光损伤 | 首次将深度学习应用于STED图像恢复，将像素驻留时间降低1-2个数量级 | NA | 开发能够减轻光损伤并实现长时间成像的STED显微镜增强方法 | 亚细胞结构（特别是线粒体动力学） | 计算机视觉 | NA | STED显微镜 | 深度学习 | 2D和3D显微镜图像 | NA | NA | NA | NA | NA |
| 1045 | 2025-10-07 |
Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning
2023-Mar-24, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms24076138
PMID:37047108
|
研究论文 | 本研究开发了一种结合GigaAssay实验和深度学习的方法，用于准确预测HIV Tat蛋白单错义变体的转录活性 | 首次将深度学习框架应用于预测HIV Tat蛋白单错义变体的转录活性，实现了预测与实验活性之间的高相关性（皮尔逊相关系数0.94） | 目前仅针对单错义变体进行评估，尚未扩展到更复杂的双突变等位基因 | 预测HIV Tat蛋白变体的转录活性，以更好地理解艾滋病病理学和治疗 | HIV Tat蛋白的单错义变体 | 机器学习 | 艾滋病 | GigaAssay实验技术 | 深度学习 | 实验活性数据 | 所有单氨基酸Tat变体的错义突变景观 | NA | NA | 皮尔逊相关系数 | NA |
| 1046 | 2025-10-07 |
A deep learning model for novel systemic biomarkers in photographs of the external eye: a retrospective study
2023-05, The Lancet. Digital health
DOI:10.1016/S2589-7500(23)00022-5
PMID:36966118
|
研究论文 | 开发一种从外部眼部照片中预测多种系统性生物标志物的深度学习系统 | 首次证明外部眼部照片包含多种器官系统的生物标志物信息，超越了既往仅关注糖尿病视网膜病变的研究范围 | 回顾性研究设计，需要进一步工作验证临床转化价值，验证集与开发数据集存在人群差异 | 验证外部眼部照片是否包含多种系统性疾病的生物标志物信息 | 接受眼部筛查的糖尿病患者和非糖尿病患者 | 计算机视觉 | 多种系统性疾病（肝、肾、骨、甲状腺、血液） | 深度学习 | 深度学习系统 | 外部眼部照片 | 训练集：123,130张图像来自38,398名患者；验证集：25,510名患者 | NA | NA | AUC（受试者工作特征曲线下面积） | NA |
| 1047 | 2025-10-07 |
Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization
2023-Mar, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2022.100233
PMID:36545260
|
研究论文 | 本研究比较了Vision Transformer（DeiT）和ResNet-50在眼底照片中检测原发性开角型青光眼的诊断准确性和可解释性 | 首次在青光眼检测中应用无需卷积的Vision Transformer架构，并证明其在泛化能力和可解释性方面优于传统CNN模型 | 研究主要基于特定数据集（OHTS），需要进一步验证在其他人群中的适用性 | 开发能够准确检测青光眼并具有良好泛化能力的深度学习模型 | 原发性开角型青光眼患者和健康对照者的眼底照片 | 计算机视觉 | 青光眼 | 深度学习 | Transformer, CNN | 眼底图像 | 66,715张来自1,636名参与者的照片，外加5个外部数据集的16,137张照片 | NA | DeiT, ResNet-50 | AUROC, 灵敏度, 特异度 | NA |
| 1048 | 2025-10-07 |
Deep Learning Estimation of 10-2 Visual Field Map Based on Circumpapillary Retinal Nerve Fiber Layer Thickness Measurements
2023-02, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2022.10.013
PMID:36328198
|
研究论文 | 本研究开发了基于卷积神经网络的深度学习模型，通过视网膜神经纤维层厚度测量来估计青光眼患者的10-2视野图 | 首次使用卷积神经网络从SD-OCT环形扫描的RNFL厚度信息中估计10-2视野图的68个个体敏感度阈值 | 研究样本仅包含724名患者的5352次扫描，需要更大规模验证 | 利用人工智能技术从结构数据估计功能性的视野图 | 健康受试者、疑似青光眼患者和青光眼患者的1365只眼睛 | 医学影像分析 | 青光眼 | 光谱域光学相干断层扫描 | CNN | 医学影像 | 5352次SD-OCT扫描和10-2视野图对，来自1365只眼睛 | NA | 卷积神经网络 | 平均绝对误差, 相关系数 | NA |
| 1049 | 2025-10-07 |
A novel ensemble-based statistical approach to estimate daily wildfire-specific PM2.5 in California (2006-2020)
2023-01, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2022.107719
PMID:36592523
|
研究论文 | 开发了一种基于集成学习的统计方法来估算加州2006-2020年每日野火特异性PM2.5浓度 | 首次应用一套统计模型结合易得数据集，在精细空间尺度上提供长达15年的每日野火特异性PM2.5估算 | 野火烟雾对PM污染的测量数据不可得，模型估算存在不确定性 | 分离野火特异性PM2.5与其他排放源，为流行病学研究提供数据支持 | 加州地区2006-2020年的PM2.5污染数据 | 机器学习 | NA | 统计建模 | 梯度提升机,随机森林,深度学习 | 环境监测数据,卫星气溶胶数据,气象变量 | 加州2006-2020年ZIP编码级别的每日数据 | NA | 集成模型 | 与先前机器学习研究结果相当 | 避免处理大型计算密集型数据集 |
| 1050 | 2025-10-07 |
Monkeypox genome mutation analysis using a timeseries model based on long short-term memory
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0290045
PMID:37611023
|
研究论文 | 使用基于长短期记忆的时间序列模型分析猴痘病毒基因组突变率 | 首次使用LSTM模型预测猴痘病毒基因组突变率，并与GRU模型进行比较 | 数据样本量有限，仅基于NCBI数据集进行分析 | 预测猴痘病毒的基因组突变率变化趋势 | 猴痘病毒基因组序列 | 生物信息学 | 猴痘 | 基因组测序 | LSTM, GRU | 基因组序列数据 | NCBI猴痘数据集，按加拿大、德国和世界其他地区分类 | NA | 长短期记忆网络，门控循环单元 | 均方根误差 | NA |
| 1051 | 2025-10-07 |
A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design
2023 Mar-Apr, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2022.08.014
PMID:36038107
|
研究论文 | 开发深度学习回归方法预测青光眼患者视网膜结构厚度，以优化神经保护临床试验设计 | 首次利用深度学习模型预测视网膜GCIPL和RNFL厚度，并提出基于个体化半视网膜预测的临床试验样本量优化方法 | 研究为横断面设计，仅包含特定人群（非裔后裔青光眼患者）的数据 | 改进青光眼神经保护临床试验设计，通过预测视网膜结构厚度降低样本量需求 | 青光眼患者的视网膜GCIPL和RNFL厚度 | 医学影像分析 | 青光眼 | 光谱域OCT扫描 | 深度学习回归模型 | 视网膜OCT图像 | 1096只眼（550名患者）的3327对GCIPL/RNFL扫描数据 | NA | NA | 平均绝对误差, 皮尔逊相关系数平方 | NA |
| 1052 | 2025-10-07 |
Mapping the topography of spatial gene expression with interpretable deep learning
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561757
PMID:37873258
|
研究论文 | 开发了一种名为GASTON的无监督可解释深度学习算法，用于分析空间转录组数据中的基因表达模式 | 提出了一种称为等深度的新概念，能够同时学习等深度、空间基因表达梯度以及模拟单个基因表达变化的分段线性函数 | NA | 解决空间转录组数据稀疏性问题，分析空间基因表达模式如基因表达梯度 | 空间转录组数据中的基因表达模式 | 生物信息学 | 肿瘤 | 空间转录组技术 | 深度学习 | 空间转录组数据 | NA | NA | GASTON | NA | NA |
| 1053 | 2025-10-07 |
Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data
2023-Sep-07, ArXiv
PMID:37731659
|
研究论文 | 本研究通过连续长期记录果蝇姿势数据，探索其跨时间尺度的行为变化模式 | 首次实现连续7天100帧/秒的果蝇长期行为记录，创建包含近20亿个姿势实例的数据集，揭示行为在昼夜节律和衰老过程中的变化规律 | 实验在无特征环境中进行，可能无法完全反映自然状态下的行为模式；样本量相对有限（47个个体） | 探索果蝇在长时间尺度下的行为变化规律，特别是昼夜节律和衰老过程中的行为模式演变 | 黑腹果蝇（Drosophila melanogaster） | 计算机视觉 | NA | 深度学习姿态估计 | 深度学习 | 视频图像 | 47只果蝇个体 | SLEAP | NA | NA | NA |
| 1054 | 2025-10-07 |
Kenichi Harumi Plenary Address at Annual Meeting of the International Society of Computers in Electrocardiology: "What Should ECG Deep Learning Focus on? The diagnosis of acute coronary occlusion!"
2023 Jan-Feb, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨心电图深度学习应从STEMI范式转向OMI范式以识别急性冠状动脉闭塞 | 提出深度学习应聚焦于识别闭塞性心肌梗死而非传统STEMI标准，可能彻底改变患者护理 | 基于单一专家演讲观点，缺乏具体实验验证 | 推动心电图深度学习关注急性冠状动脉闭塞诊断 | 心电图数据和急性冠状动脉闭塞患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图信号 | NA | NA | 神经网络 | NA | NA |
| 1055 | 2025-10-07 |
Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0287465
PMID:37967076
|
研究论文 | 本研究通过GCMS技术和机器学习方法识别用于早期检测肝细胞癌和肝硬化的呼吸生物标志物 | 开发了基于R语言的机器学习模型，能够自动从原始数据中发现挥发性有机化合物，无需人工干预 | GC-MS分析耗时且容易出错，需要专家操作；样本量较小（共100个样本） | 开发早期检测肝细胞癌和肝硬化的精确诊断模型 | 肝细胞癌患者、肝硬化患者和健康对照者的呼吸样本 | 机器学习 | 肝细胞癌,肝硬化 | GCMS, SPME, 气相色谱-质谱联用 | 深度学习 | 质谱数据 | 肝细胞癌35例，肝硬化35例，对照30例，共100个呼吸样本 | R | NA | 灵敏度,特异性,准确率,AUC | NA |
| 1056 | 2025-02-07 |
Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends
2023-Dec-15, Cancers
IF:4.5Q1
DOI:10.3390/cancers15245858
PMID:38136405
|
综述 | 本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势 | 本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向 | 本文主要基于现有文献进行综述，未涉及具体的实验验证 | 探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势 | 癌症和肿瘤学研究中的多模态图数据 | 机器学习 | 癌症 | 图神经网络（GNNs） | GNN | 图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等） | NA | NA | NA | NA | NA |
| 1057 | 2025-10-07 |
Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering
2023-Jun, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0789
PMID:39633750
|
研究论文 | 提出一种基于深度学习的可重构超表面天线，实现实时全息波束控制 | 将自编码器与电磁散射方程结合，替代传统迭代方法，实现实时确定超原子状态 | 需验证玻恩近似在具体应用场景中的有效性 | 开发实时全息波束控制技术 | 可重构偶极子阵列超表面天线 | 机器学习 | NA | 深度学习，电磁散射计算 | 自编码器 | 电磁场模式数据 | NA | NA | 自编码器 | 计算时间（200微秒） | NA |
| 1058 | 2025-10-07 |
A deep neural network for general scattering matrix
2023-Jun, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0770
PMID:39633768
|
研究论文 | 开发了一种深度神经网络用于快速计算任意散射体的散射矩阵 | 首次使用深度神经网络计算非对称散射体的散射矩阵，速度比有限元求解器快数千倍，且自动满足能量守恒、时间反演和互易性等基本物理原理 | NA | 解决散射矩阵计算的高计算成本问题 | 任意形状的散射体 | 机器学习 | NA | 深度神经网络 | DNN | 数值模拟数据 | NA | NA | 深度神经网络 | 计算速度比较 | NA |
| 1059 | 2025-10-07 |
Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis
2023-08, Abdominal radiology (New York)
DOI:10.1007/s00261-023-03966-2
PMID:37280374
|
系统综述与荟萃分析 | 对腹部CT扫描中两种商用深度学习重建算法进行系统评价和荟萃分析 | 首次对商用深度学习CT重建算法(True Fidelity和AiCE)在腹部扫描中的应用进行系统性评估 | 仅评估了单一厂商的双能量CT，需要更多剂量水平和临床适应症的评估 | 评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量优化效果 | 人体腹部CT扫描 | 医学影像分析 | 腹部疾病 | CT扫描 | 深度学习重建算法 | CT图像 | 44篇符合纳入标准的研究(32篇评估TF，12篇评估AiCE) | NA | True Fidelity, Advanced intelligent Clear-IQ Engine (AiCE) | 噪声降低率, 对比噪声比, 病灶检测能力, 辐射剂量降低潜力 | NA |
| 1060 | 2025-10-07 |
Predicting pathological complete response to neoadjuvant systemic therapy for triple-negative breast cancers using deep learning on multiparametric MRIs
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340987
PMID:38083160
|
研究论文 | 开发基于深度学习的多参数MRI模型预测三阴性乳腺癌新辅助系统治疗的病理完全缓解 | 首次结合治疗前和治疗中多个时间点的多参数MRI序列（DCE-MRI和DWI），利用深度学习早期预测TNBC患者对新辅助系统治疗的反应 | NA | 预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解反应 | 三阴性乳腺癌患者 | 计算机视觉 | 乳腺癌 | 动态对比增强MRI, 扩散加权成像 | 深度学习 | 医学影像 | NA | NA | NA | AUC | NA |